Warum die meisten Projekte mit digitalem Zwilling scheitern und wie Sie das vermeiden
Wenn ein Projekt mit digitalem Zwilling scheitert, liegt es selten an der Simulation selbst. Die üblichen Ursachen sind organisatorisch: keine konkrete Entscheidung hinter dem Modell, ein zu großer Umfang, ein 3D-Bild statt eines Vergleichs von Optionen, monatelanges Warten auf perfekte Daten und kein Verantwortlicher, sobald das erste Projekt endet. Das Ergebnis ist ein teures Modell, das niemand für die nächste Entscheidung nutzt.
Alle fünf Ursachen sind vor Projektbeginn erkennbar, und alle fünf lassen sich vermeiden.
Wie ein gescheiterter digitaler Zwilling aussieht
Das Scheitern ist selten dramatisch. Stellen Sie sich, zur Illustration, ein Werk vor, das sehr lange an einem Modell des gesamten Standorts baut. Die 3D-Ansicht beeindruckt und wird der Geschäftsführung und Besuchern gezeigt. Dann kommt die nächste echte Frage: Soll die neue Verpackungslinie in Halle B oder neben das Lager? Das Team öffnet eine Tabellenkalkulation, weil das Modell das nicht schnell beantworten kann und sich niemand mehr erinnert, wie man es aktualisiert.
Das Budget für das Modell ist nur ein Teil der Kosten. Wird eine Änderung ohne Test umgesetzt, kommt die Rechnung später und in Raten: ein Regal, das zweimal umgestellt wird, eine Staplerroute, die nach dem Anlauf neu geplant wird, Überstunden während eines zähen Hochlaufs. Keine einzelne Budgetzeile weist das aus. Jede dieser Korrekturen hat eine Entscheidung bezahlt, die am laufenden Werk ausprobiert wurde. Ein Modell, das den Fluss über die Zeit durchspielt, mit Ihren Taktzeiten, Wegen und Wartezeiten auf Gabelstapler, hätte das Problem gezeigt, bevor das Geld ausgegeben war.
Ursache 1: Keine Entscheidung hinter dem Modell
Das häufigste Startziel lautet „Wir brauchen einen digitalen Zwilling“. Das benennt ein Werkzeug und lässt den Zweck offen. Ohne eine Entscheidung, die unterstützt werden soll, kann niemand sagen, welche Daten zählen oder wann das Modell gut genug ist.
Ein tragfähiges Ziel hat drei Teile: die Entscheidung, die Optionen und den Termin. Zum Beispiel: „Bis Ende März zwischen zwei Layouts für den neuen Montagebereich wählen, auf Basis der Ausbringung pro Schicht und der Staplerauslastung.“ Dieser eine Satz sagt dem Team, was modelliert, was gemessen und wann aufgehört wird.
Schreiben Sie den Entscheidungssatz, bevor jemand ein Modellierungswerkzeug öffnet. Kann ihn niemand formulieren, ist das Projekt noch nicht startbereit.
Ursache 2: Zu großer Umfang für das erste Projekt
Die zweite Falle ist, das ganze Werk auf einmal zu modellieren: jede Linie, jede Produktvariante, jede Ausnahme, jede Schnittstelle. Bis ein solches Modell fertig ist, ist die Entscheidung, die es unterstützen sollte, längst gefallen, meist aus dem Bauch heraus.
Ein guter erster Umfang deckt den Bereich ab, in dem die Entscheidung liegt, plus alles, was Ressourcen mit ihm teilt. Teilen sich zwei Linien Gabelstapler oder einen Puffer, gehören beide ins Modell. Eine Lackiererei am anderen Ende des Geländes, die nie mit ihnen in Berührung kommt, kann draußen bleiben.
Auch ein kleiner Umfang kann eine gewichtige Entscheidung tragen. In einer Fallstudie von DBR77 dauerte eine Layoutanalyse für eine Produktionslinie mit mehreren Varianten blieb klein, weil der Umfang durch eine einzige Frage festgelegt war. Schritte und Rollen beschreiben wir in Wie Sie Ihr erstes Simulationsprojekt durchführen.
Beginnen Sie also mit einem Bereich und einer Entscheidung, und erweitern Sie das Modell, wenn die nächste Entscheidung es erfordert.
Ursache 3: Ein Bild statt eines Vergleichs
Manche Projekte liefern ein schönes 3D-Modell, das die Frage „Welche Option ist besser?“ nicht beantworten kann. Die Gabelstapler fahren, aber es gibt keine Zahlen zum Vergleichen. Die Geschäftsführung erwartete Antworten zu Ausbringung und Kosten und bekam ein Video.
Der umgekehrte Fehler ist genauso verbreitet: ein Modell, das nur ein Szenario durchspielt, nämlich das geplante, und das mit Mittelwerten. Es bestätigt den Plan, statt ihn zu testen. Mittelwerte verbergen Warteschlangen, ein Modell mit festen Taktzeiten, das die ganze Woche durchspielt, kann dagegen eine Linie zeigen, die auf dem Papier funktioniert und in der ersten arbeitsreichen Woche ins Stocken gerät (siehe Mittelwerte vs. Simulation über die Zeit).
Ein nützliches Modell vergleicht mindestens zwei Optionen, meist den Ist-Zustand und eine oder zwei Varianten, anhand derselben Kennzahlen: Stück pro Schicht, Wartezeit vor den wichtigsten Stationen, Pufferbestände, Auslastung von Gabelstaplern oder Transportwagen. 3D und VR helfen dann, das Ergebnis zu verstehen.
Einigen Sie sich auf Optionen und Kennzahlen, bevor das Modell gebaut wird, und planen Sie die 3D-Ansicht als Mittel, Ergebnisse zu erklären, sobald es sie gibt.
Sehen Sie, wofür ein funktionierendes Modell eingesetzt wird
Jeder Anwendungsfall von DBR77 Digital Twin beginnt mit einer Frage, die ein Werk beantworten musste, von einer Layoutänderung bis zur Kommissionierung im Lager. Sehen Sie sich an, wie dort der Umfang festgelegt wurde, bevor Sie Ihren eigenen festlegen.
Ursache 4: Warten auf perfekte Daten
Viele Projekte bleiben in der Datenphase stecken. Das Team beschließt, dass das Modell zuerst Live-Maschinendaten und vollständige Stammdaten braucht. Das Integrationsprojekt wächst, und das Entscheidungsfenster schließt sich.
Die meisten ersten Modelle laufen ohne Live-Daten. Sie brauchen eine Prozessreihenfolge, nominelle Taktzeiten, Rüstzeiten, Transportgeschwindigkeiten, Schichtregeln und den Auftragsmix einer typischen Woche. Das meiste davon steckt im ERP, in Arbeitsplänen und CAD-Layouts. Den Rest kann man mit der Stoppuhr messen, und für den Anfang reichen nominelle Werte. Die ersten Ergebnisse überraschen das Team meist: Die Lücke zwischen dem Modell und dem, was die Fertigung tatsächlich produziert, zeigt, wo der eigentliche Engpass liegt.
Wo Daten fehlen, schreiben Sie eine Annahme auf, kennzeichnen sie als solche und prüfen, ob sich das Ergebnis ändert, wenn sich die Annahme verschiebt. Bleibt die Rangfolge der Optionen gleich, spielt die Lücke für diese Entscheidung keine Rolle. Kippt sie, wissen Sie genau, welche Daten Sie erheben müssen. Live-Maschinendaten, zum Beispiel aus DBR77 IIoT, sind die nächste Stufe dieses Lernprozesses, sobald das Modell regelmäßig genutzt wird und es den tatsächlichen Betrieb im Werk mitverfolgen soll.
Die praktische Regel: Starten Sie mit den Daten, die Sie haben, kennzeichnen Sie jede Annahme und binden Sie Live-Daten an, wenn es einen klaren Grund dafür gibt.
Ursache 5: Niemand ist nach dem ersten Projekt für das Modell verantwortlich
Auch ein Zwilling, der eine Frage gut beantwortet hat, kann noch scheitern. Das erste Projekt endet, der Ingenieur, der das Modell gebaut hat, wechselt zu anderen Aufgaben, und Monate später hat das Werk neue Maschinen, ein neues Schichtmodell und ein neues Produkt. Das Modell passt nicht mehr zur Fertigung, also vertraut ihm niemand, und niemand nutzt es.
Dieses schleichende Auseinanderdriften macht aus einem Zwilling eine einmalige Studie. Jemand muss für das Modell verantwortlich sein: das Basismodell nach jeder in der Fertigung umgesetzten Änderung anpassen, die Liste der Annahmen pflegen und entscheiden, wann eine Auffrischung nötig ist. Konstruktion, Produktion und Finanzen haben daran jeweils ihren Anteil. Wie Sie die Rollen aufteilen, beschreiben wir in Wem sollte das Modell des digitalen Zwillings gehören?.
Bevor das erste Projekt abgeschlossen wird, schreiben Sie einen Namen neben das Modell und vereinbaren die Aktualisierungsregel.
Ein kurzer Check vor dem Start
Nutzen Sie diese Tabelle beim Kickoff. Beheben Sie jedes Warnzeichen, bevor die Modellierung beginnt.
| Ursache | Warnzeichen | Was Sie stattdessen tun sollten |
|---|---|---|
| Keine Entscheidung | Das Ziel lautet „einen digitalen Zwilling bauen“ | Einen Entscheidungssatz mit Optionen und Termin formulieren |
| Zu großer Umfang | Das erste Modell umfasst den ganzen Standort | Einen Bereich plus die Ressourcen modellieren, die er teilt |
| Bild statt Vergleich | Der Liefergegenstand ist ein 3D-Rundgang | Zuerst Optionen und Kennzahlen vereinbaren |
| Warten auf Daten | Die Modellierung wartet auf ein Integrationsprojekt | Mit ERP, Arbeitsplänen, CAD und Messungen in der Fertigung starten |
| Kein Verantwortlicher | Für die Zeit nach dem Projekt ist niemand benannt | Beim Kickoff einen Verantwortlichen und eine Aktualisierungsregel festlegen |
Häufige Fragen
Was ist der häufigste Grund, warum Projekte mit digitalem Zwilling scheitern?
Der Start ohne konkrete Entscheidung. Lautet das Ziel „einen Zwilling haben“ statt „bis zu diesem Termin zwischen diesen Optionen wählen“, hat das Modell keinen klaren Umfang, kein Ziel und keinen Nutzer.
Wie groß sollte ein erstes Projekt mit digitalem Zwilling sein?
Groß genug, um eine echte Entscheidung zu beantworten, und nicht größer. Modellieren Sie den Bereich, in dem die Änderung stattfindet, plus alles, was Gabelstapler, Puffer oder Personal mit ihm teilt.
Brauchen wir Live-Maschinendaten, um ein Scheitern zu vermeiden?
Nein. Das Warten auf Live-Daten ist selbst eine häufige Ursache des Scheiterns. Die meisten ersten Modelle laufen mit ERP-Daten, Arbeitsplänen, CAD-Layouts und Messungen in der Fertigung, mit klar gekennzeichneten Annahmen.
Wie sorgen wir dafür, dass ein digitaler Zwilling nach Änderungen weiter zum Werk passt?
Benennen Sie einen Verantwortlichen, führen Sie eine Liste der Annahmen und vereinbaren Sie, welche Änderungen im Werk eine Aktualisierung des Basismodells auslösen. Varianten, die Sie testen, laufen auf Kopien und lassen das Basismodell unverändert. Ohne das passt das Modell nicht mehr zur Fertigung, und die Leute verlieren das Vertrauen.
Fazit
Ist bei Ihnen bereits ein Projekt mit digitalem Zwilling geplant, prüfen Sie es diese Woche anhand der Kickoff-Tabelle oben. Die erste Zeile entscheidet am meisten: Kann niemand den Entscheidungssatz mit Optionen und Termin formulieren, halten Sie das Modellierungsbudget zurück, bis es jemand kann.
Beginnen Sie mit einer Entscheidung
Kommen Sie mit dem Entscheidungssatz oder mit der Frage, die Sie noch in einen solchen Satz fassen wollen. Wir zeigen, wie DBR77 Digital Twin ein Modell rund um diese Frage zuschneiden würde und welche Daten es dafür braucht.
Quellen
- DBR77, Fallstudie: Gestaltung einer Produktionslinie (Zusammenfassung auf dieser Website)
- DBR77 Digital Twin, Mittelwerte vs. Simulation über die Zeit
- DBR77 Digital Twin, Anwendungsfälle
Möchten Sie eine Entscheidung aus Ihrem Werk testen?
Beschreiben Sie die Entscheidung einem DBR77-Experten. Wir zeigen, wie DBR77 Digital Twin Varianten nach Ausbringung, Wartezeit und Transportlast vergleicht.
Fragen
Haben Sie eine Frage zu diesem Thema?
Schreiben Sie uns, worum es geht. Wir antworten innerhalb eines Werktags.
Digital-Twin-Newsletter
Kurze Beiträge dazu, wie sich Layout- und Ablaufentscheidungen am Modell testen lassen, und Neuigkeiten von DBR77 Digital Twin. Sie können sich jederzeit abmelden.